谷歌2019 学术指标发榜：CVPR首次进入Top 10，何恺明论文引用最高！

  新智元报道  

编辑：肖琴

【新智元导读】今天，谷歌发布了2019最新版学术指标，对收录的会议和期刊的影响力进行排名。AI类的多个顶会进入榜单Top 100，CVPR更是进入前10，而何恺明的“深度残差网络”单篇引用次数高达25256次，引用量最高！

今天，谷歌正式发布了2019年版的学术指标(Scholar Metrics)。

本次发布涵盖2014-2018年发表的文章，并包括了截至2019年7月在谷歌学术中被索引的所有文章的引用 。

最新版的谷歌学术指标有以下亮点：

• 两大自然科学顶刊Nature和Science分别排名第一和第三；

• 计算机视觉顶会CVPR首次进入综合榜单Top 10；

• 一共有六个人工智能类顶会进入综合榜单Top 100；

• 多篇人工智能论文出现在Nature的高引论文中；

• 何恺明的“深度残差学习”论文是最近5年CV类引用次数最多的论文，被引25256次

谷歌学术指标为作者提供了一种简便的方法，让学者们可以快速评估学术出版物最近文章的影响力。

学术指标的收录包括遵循谷歌学术收录指南的网络期刊，并选择了工程和计算机科学的主要会议。2014-2018年间论文少于100篇的出版物，或2014-2018年间未被引用的出版物没有被收录在内。

在谷歌的官方网站上，你可以用特定的类型关键词进行搜索，比如 Ceramic Engineering、 High Energy & Nuclear Physics 或者 Film ；或者更宽泛的领域，比如 Engineering & Computer Science 或者 Humanities, Literature & Arts 。

在网站上，你可以看到根据 5 年高引用（h5指数）和 h5中位数指标排名的前 20 出版物。你也可以看到不同语种排名前 100 的出版物，比如中文、西班牙语和葡萄牙语。每一个出版物，你可以点击 h5-index 查看该出版物被引用最多的论文。

学术指标包括超出按类别和按语言列出的大量出版物。你可以通过在搜索框中输入关键词来找到这些内容，例如[security]、[soil]、[medicina]。

综合榜单Top 20：CVPR首次进入前10名，NeurIPS第27

谷歌学术把英文类出版物分为以下几大类：

• 商业、经济和管理

• 化学和材料科学

• 工程和计算机科学

• 健康和医学科学

• 人文、文学和艺术

• 生命科学和地球科学

• 物理和数学

• 社会科学

综合排名Top 20

首先来看看综合排名。

英文类出版物，网站列出了 TOP100 的名单，其中 Nature 排名第一，H5 指数 368，H5 中位数 546。

另一科学顶刊Science排名第三，H5指数338，H5中位数511。

特别值得注意的是，计算机视觉的顶会CVPR排名进入了Top 10。去年CVPR的排名是第20，一跃进步了10名。

此外，AI 领域另一个备受关注的会议 NeurIPS，也在综合排名中位列第 27（去年是第54）。

其他人工智能类会议，ICLR排名第42，ECCV排名第56，ICML排名第59，ICCV排名第71。

此外，IEEE系期刊中《IEEE模式分析与机器智能学报》排名第76，《IEEE工业电子学报》排名第81，《IEEE电力电子学报》排名第98。

再来看单篇论文的被引次数：

其中，Nature杂志今年来被引用次数最高的Top 5论文中，人工智能相关论文占了3篇，分别是LeCun、Bengio和Hinton2015年发表的“Deep Learning”综述论文，DeepMind的“Q-network”深度强化学习论文，以及同样来自DeepMind的“通过深度神经网络和树搜索掌握围棋游戏”论文。

工程与计算机领域Top 20

工程与计算机类的Top 20

工程和计算机科学类目下分为 56 个子项目，其中包括人工智能、计算机语言学、计算机视觉与模式识别、人机交互、Robotics等。下文将对这些领域进行详细介绍。

人工智能 TOP 20，多个顶会上榜

人工智能Top 20

一眼看去，人工智能分类(不包含CV、NLP等子领域)的TOP 20有多个是顶会，包括前面提到进入综合榜单TOP 100的NeurIPS、ICLR和ICML。

此外，AAAI虽然没有进入总榜Top 100，但在人工智能类排名第7。

让我们来发表在人工智能类会议中被引用次数最高的论文：

1. Adam: A Method for Stochastic Optimization.

DP Kingma, J Ba

ICLR

引用次数：25240

2. Very Deep Convolutional Networks for Large-Scale Image Recognition.

K Simonyan, A Zisserman

ICLR

引用次数：24554

3. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift.

S Ioffe, C Szegedy

ICML, 448-456

引用次数：11293

4. Faster R-CNN: towards real-time object detection with region proposal networks 

S Ren, K He, R Girshick, J Sun Proceedings of the 28th International Conference on Neural Information … 

引用次数：10517

5. Generative adversarial nets

IJ Goodfellow, J Pouget-Abadie, M Mirza, B Xu, D Warde-Farley, S Ozair, ...

Proceedings of the 27th International Conference on Neural Information …

引用次数：10175

可以看到，Adam随机优化方法以25240次引用排名第一，何恺明大神的Faster R-CNN以10517次引用进入前5，比Goodfellow的生成对抗网络论文略高。

计算机视觉与模式识别类 TOP 20，何恺明大神单篇引用最高

在计算机视觉与模式识别领域，三大视觉顶会CVPR、ECCV和ICCV分列前三。

第4和第5则分别是IEEE系的两本会刊：《IEEE模式分析与机器智能学报》和《IEEE图像处理学报》，两者h5指数均超过100.

接下来是计算机视觉与模式识别类引用最高的论文：

1. Deep Residual Learning for Image Recognition

K He, X Zhang, S Ren, J Sun

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数：25256

2. Going Deeper With Convolutions

C Szegedy, W Liu, Y Jia, P Sermanet, S Reed, D Anguelov, D Erhan, ...

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数：14424

3. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

S Ren, K He, R Girshick, J Sun

IEEE Transactions on Pattern Analysis and Machine Intelligence 39 (6), 1137-1149

引用次数：10517

4. Fully Convolutional Networks for Semantic Segmentation

J Long, E Shelhamer, T Darrell

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数：10153

5. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation

R Girshick, J Donahue, T Darrell, J Malik

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数：8960

这个类别中，何恺明的“深度残差网络”以25256次引用排名第一！（由于被IEEE计算机视觉与模式识别论文集收录，Faster R-CNN出现了两次。）

计算机语言学 TOP20，三大NLP顶会分列前三

在自然语言处理（Google scholar 中的分类是 Computational Linguistics）领域，不出意外，排名前三的是三大NLP顶会：ACL、EMNLP和NAACL。

接下来是计算语言学类引用最高的论文：

1. Glove: Global Vectors for Word Representation

J Pennington, R Socher, C Manning

Proceedings of the 2014 Conference on Empirical Methods in Natural Language …

引用次数：8358

2. The Stanford CoreNLP Natural Language Processing Toolkit.

CD Manning, M Surdeanu, J Bauer, JR Finkel, S Bethard, D McClosky

ACL (System Demonstrations), 55-60

引用次数：5618

3. Convolutional Neural Networks for Sentence Classification

Y Kim

Proceedings of the 2014 Conference on Empirical Methods in Natural Language …

引用次数：4551

4. Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation

K Cho, B van Merrienboer, C Gulcehre, D Bahdanau, F Bougares, ...

Proceedings of the 2014 Conference on Empirical Methods in Natural Language …

引用次数：3629

5. A Convolutional Neural Network for Modelling Sentences

N Kalchbrenner, E Grefenstette, P Blunsom

Proceedings of the 52nd Annual Meeting of the Association for Computational …

引用次数：1838

人机交互和机器人学TOP 20

最后，我们分别看一下人机交互和机器人学领域的Top 20顶刊/顶会：

人机交互类Top 20

机器人类Top 20

h5 指数是指在过去整整 5 年中所发表文章的 h 指数。h 指在 2014-2018 年间发表的 h 篇文章每篇至少都被引用过 h 次的最大值。

出版物的 h5 中位数，是指出版物的 h5 指数所涵盖的所有文章获得的引用次数的中位值。

想了解更多高影响力期刊和论文，请点击阅读原文到官网查看。